你听到人民的歌声了吗？基于迭代聚类与抽象式摘要的要点分析
计算与语言
2023-05-26 v1 人工智能
摘要
论点摘要是一项有前景但目前尚待充分探索的研究领域。近期工作旨在以简洁且 salient 的短文本（即要点，KPs）形式提供文本摘要，这一任务被称为要点分析（KPA）。KPA 的主要挑战之一是从数十个论点中找出高质量的要点候选，即便在小型语料库中也是如此。此外，评估要点对于确保自动生成摘要的实用性至关重要。尽管摘要的自动评估方法多年来已取得显著进展，但其主要关注句子级比较，难以从整体衡量摘要（一组 KPs）的质量。更棘手的是，人工评估成本高且不可复现。为解决上述问题，我们提出一种基于神经主题建模与迭代聚类流程的两步抽象式摘要框架，以生成与人类识别要点方式相一致的要点。实验表明，我们的框架在 KPA 上推进了 SOTA，在 ROUGE 和我们自己提出的评估指标上均取得最高 14 个（绝对）百分点的性能提升。此外，我们使用一种新颖的基于集合的评估工具包对生成摘要进行评估。定量分析证明了我们所提评估指标在评估生成 KPs 质量上的有效性。人工评估进一步展示了我们方法的优势，并验证了我们提出的评估指标比 ROUGE 分数更符合人类判断。
引用
@article{arxiv.2305.16000,
title = {Do You Hear The People Sing? Key Point Analysis via Iterative Clustering and Abstractive Summarisation},
author = {Hao Li and Viktor Schlegel and Riza Batista-Navarro and Goran Nenadic},
journal= {arXiv preprint arXiv:2305.16000},
year = {2023}
}
备注
Accepted by ACL 2023 Main Conference